AI ProCon 2020 圆满落幕，百位专家与万名开发者共同拉开人工智能新篇章
整理 | 邓晓娟
责编 | 唐小引
出品 | CSDN（ID：CSDNnews）
7 月 4 日，为期 2 天的「2020 年 AI 开发者万人大会（AI ProCon 2020）」，在过万名开发者的关注下圆满落幕。作为由 CSDN 策划及主办的系列技术「开发者大会」之一，本次大会邀请到中科院、卡内基梅隆大学、微软、英特尔、阿里巴巴、腾讯、京东、快手等100+行业学术界及一线大厂 AI 技术领袖、核心业务线负责人参与，吸引到了 10000+开发者/学习者，并在这个特殊时期全力配合抗击疫情，全程采用线上直播方式，与大家共话 AI 技术风云。
当前正值全球新一轮科技革命，产业变革蓄势待发，人工智能作为其中重要力量，为全球经济发展与社会进步产生重大而深远的影响。为了让开发者一站式学习及了解当下 AI 的前沿技术、AI 产业发展、AI 技术成长之路及企业技术实践经验，本次大会设置了 20 大精彩主题论坛，覆盖了 AI 技术、生态、行业、应用、职业规划、投融资等话题。
同时，CSDN 在大会首日重磅发布了「AI 开源贡献奖 Top5」、「AI 新锐公司奖 Top10」、「AI 优秀案例奖 Top30」三大榜单，百度、华为、旷视科技、腾讯、微众银行、超星未来、埃睿迪、爱奇艺、京东智联云、科大讯飞、联想等企业均榜上有名。我们相信，榜样的力量将成为促进 AI 行业不断发展的重要基石！
大会上，专家们畅所欲言，金句频出，分享了对各自专业领域的独到见解，为大会留下许多具有前瞻性的精彩观点。本文对为期 2 天的大会进行精华提炼，一起来看看大咖们都有哪些精彩的发言吧！
人工智能过去与未来
敢于闯无人区；
具备提出（发现）问题与解决问题的能力；
理论与实际，技术与创业结合；
资本、市场与技术的结合。
20 大论坛同时直播，大咖金句频出
除了大会主论坛，在 2 天的大会中共有 20 个分论坛也同步举行，下面我们就来一起看一下分论坛上，各位专家的精彩观点集锦吧~
AI学习与实践进阶
华为云ModelArts开发总监 周明耀：一图看懂各种角色如何转型搞AI
中国电信股份有限公司北京研究院资深产品专家 高飞：1.无行业，不智能；2.行业价值是AI实现的本质意义；3.只有不停的思考算法与业务的关系，才能真正明白算法的意义。
微软亚洲研究院高级研究开发工程师 宋驰：使用AutoML不仅能找到好模型，还能帮助初学者快速积累AI经验。同时，AutoML也能用于经典的系统调优等问题。
滴滴出行专家工程师 赵永科：调参工作就是这么朴实无华且枯燥。
南京清湛人工智能研究院创投基金创始合伙人 柯罗马：随着算力的强化，算法的进化，并与大数据的融合，弱AI进入到了场景应用爆发的后时代。在这个智能感知的后AI时代，制造业、医疗和自动驾驶等场景的AI应用是非常值得期待的投资机会。
德风科技董事长兼CEO 王清杰：让设备更智能，数据更可靠，让数据赋能企业。
计算机视觉技术与实践
便利蜂副总裁，人工智能研究院院长兼首席科学家 华刚：计算机视觉是物理世界信息数字化的关键技术，能够完美地驱动实体经济的数字化决策，并最终提高其运营效率。
云从科技资深算法专家 刘玉明：实验室的新算法成果提供了一些解决问题的新思路，但要想在实际业务中发挥作用，还需要结合技术的适用条件、业务需要的准确率指标、对效率的要求等做出相应的取舍或适配。所以工程师们不仅需要广泛涉猎算法技术，还需要具备在业务中落地的能力。
华为海思技术专家 杜鹏：当今深度神经网络正在飞速发展，对芯片算力的需求也与日俱增，华为昇腾AI处理器芯片大致可以划分为主控处理器、AI计算引擎、多层级片上缓存、视频图像处理模块等，可以对整型数或浮点数提供强大高效的乘加计算力。
思谋科技联合创始人、技术负责人 刘枢：新一代AI技术，正引领智能制造由数字化、网络化向智能化发展。标准高、要求严的工业场景纷繁复杂，面对这些“无人区”和“深水区”，我们技术人员既需要“低头走路”，让前沿的创新技术实现落地；也需要“抬头看天”，把别人眼中的不可能变为可能。
旷视美业云算法研究负责人 孙宇超：作为一家领先的人工智能产品和解决方案公司，旷视把AI的技术优势通过FaceStyle提供给追求高质量营销转化的美业公司和美妆品牌。用更真实的试妆体验，帮助用户更好地进行购买决策，用AI发现自己的美。
VIPKID AI平台部NLP算法专家 李理：BERT等预训练模型不停刷新许多NLP任务的排行榜，最近的GPT3更是用1750亿参数刷新了我们的世界观。这些模型可以帮助我们更好的解决实际问题，但是这种暴力美学的方式能真正实现人类一样的语言理解能力吗？或许我们可以从孩子的语言学习过程中获得一点启发。
腾讯云高级工程师 纪友升：AI很火，在大家讨论各种深度学习算法的同时，我们也希望将腾讯多年积累的AI能力通过腾讯云开放给广大开发者与企业客户，助力行业智能化升级，让AI真正落地应用在日常生活中！
京东智联云自然语言处理架构师 陈蒙：传统客服向智能客服升级转型是大势所趋，“新基建”是最佳契机智能客服的下一个大市场：智能营销最高效的产品形态是人机融合，而不是完全取代具备复杂对话能力的语音外呼机器人大有可为。
滴滴AI Labs研究员 韩堃：在滴滴，NLP和语音技术有重要的应用：通过智能客服系统来辅助人工客服，通过语音识别和自然语言理解技术来研发驾驶员语音助手，让日本、澳洲等地的滴滴司机通过语音“免接触”接单。
字节跳动火山引擎语音合成技术负责人 殷翔：让AI表达类似真人的情感，是所有从事人工智能行业研究的同学的梦想。而音乐是寄予人类情感最为丰富的载体之一，希望有一天AI虚拟歌手能够让用户感动、融入和疯狂。
360金融首席科学家 张家兴：数据产生AI，AI帮助数据创造价值，把数据和AI融合在一起的中台才是有价值的中台。数据AI融合中台，以平台为基础，打通各业务数据，协调各种团队提供AI能力，赋能业务。平台、数据、团队这是中台的特征，缺一不可。
易观CTO 郭炜：AI分析时最费力的不是算法调整，而是数据探索和数据准备，以及从海量数据当中不通过ETL批量作业而是实时完成数据探索，让算法人员也由过去“天天跑脚本”做数据探索，变成自建内部数据中台，建立实时自定义查询引擎，按照自己业务口径查询自己所要的分析数据。
ThoughtWorks数据智能总经理 史凯：2025年以后，企业数智化转型将从持续交付业务流程到持续交付智能场景，企业将进入持续智能时代。
深度赋智创始人、CEO 吴承霖：云计算将让算力无处不在，自监督将让标注减少百倍。在此之上，全自动机器学习结合AI中台，将让AI大规模普及。
Qunar数据中心数据架构团队负责人 张杰：实时数仓模型如何设计？我们结合了离线数仓的建模经验，首先按业务进行纵向划分主题域，然后进行横向划分数据层做统一的ETL，这样设计的模型，计算逻辑可复用且便于维护。
网易有道技术总监、词典及智能硬件业务线负责人 林会杰：在教育领域，教与学是核心环节，老师和学生是关键角色。“AI+教育”并不是用AI来取代老师，而是用技术手段和工具辅助老师和学生提高教与学的效率。
好未来AI解决方案负责人 刘子韬：多模态机器学习在教育中的4大挑战：小数据、异构多模态、数据噪音、评价标准不统一。
腾讯云与智慧产业事业群高级研究员 刘萌：基于课程知识图谱，建立学生和班级用户画像，根据知识点掌握情况推荐个性化学习内容，践行“因材施教”，有效提高学习效率。
科大讯飞研究院研究主管 李鑫：智慧教育的三大核心场景：精准教学、个性学习、智慧教考。
AI行业新趋势
来也科技CTO 胡一川：RPA实现流程自动化，AI实现认知自动化，RPA+AI才是智能软件机器人的终极解决方案。
浪潮边缘计算服务器高级产品经理 张磊：拥抱5G，就必须走出传统的数据中心，大跨步迈向边缘计算。边缘计算很可能会是中国服务器行业，乃至整个IT产业下一个在5G时代的机会和风口。
《人工智能为金融投资带来了什么》作者 袁峻峰：数字化时代市场需要算法，多智能体强化学习与博弈论 、帕累托最优结合是可行的研究方向之一；但如果市场中的新座次取决于谁拥有最强的机器、最多的数据、最厉害的算法，那亦是违背市场机制了。
AutoML技术实践与应用论坛
精彩观点：
第四范式科学技术部资深研究员罗远飞：为了进一步提高高维稀疏表数据应用效果，第四范式自主研发了自动深度稀疏网络，在取得良好效果的同时，能够显著降低深度神经网络的应用门槛和调参代价。 探智立方首席技术官钱广锐：AutoML不是简单的集成了自动化特征工程、超参搜索或者模型设计，AutoML的核心价值是让机器学习整个全流程自动化和智能化。 星环科技AI产品研发部高级算法工程师赵文谦：AutoAI可以让更多行业的人有机会利用机器学习或深度学习技术来解决其所在行业的一些问题，同时又可以将算法工程师从枯燥重复的数据预处理以及调参工作中解放出来，将更多的经历放在算法的设计和创新上。从公司的角度来说，AutoAI可以让其更方便的拓展业务，同时也大大降低了人力成本。 腾讯云高级工程师赵勇皓：借助 AutoML 算法，我们把工程师从沉闷繁重的调参中解放出来，让算法去解决算法的问题，用魔法打败魔法。
AI+多媒体技术实践与应用
精彩观点：
快手多模搜索技术负责人陈凯：基于AI的多模态技术给短视频直播业务插上了腾飞的翅膀。 微软微软亚洲研究院高级研究员罗翀：我们正处于AI发展的黄金时代。大数据、强算力和高效算法为多媒体技术突破提供了难得的契机，在短短几年内解锁了多媒体处理的诸多新技能。微软亚洲研究院智能多媒体组在基于AI的多媒体技术领域深耕，包括视频分析中最为核心的单/多目标跟踪技术、人体姿态检测技术、音频中的语音增强技术等。这些技术有助于更好地进行场景理解，并可用于设计新一代智能多媒体分析系统。 京东智联云视觉研发部视觉内容技术组负责人赖荣凤：多模态内容理解技术是实现自动内容审核的关键。 英特尔高级研发经理赵娟：大潮已来，开源多媒体社区正积极拥抱AI，共襄盛举，欢迎大家积极参与。
RealAI（瑞莱智慧）算法科学家、AI 安全算法团队负责人萧子豪：刷脸解锁可能被破解，人脸信息可能被滥用。这些AI时代的新问题都跟我们每个人休戚相关，大家都应该重视和解决AI时代的新型安全问题。 卡内基梅隆大学哲学系副教授张坤：有因自有果，有果必有因。有希望，自然知道该为不该为；又知其所以然，知可为不可为。无论是机器学习还是人的学习皆可有借鉴。 阿里巴巴代码平台技术负责人张玉明：如何解决研发过程中缺陷难查找、编码效率低等问题，基于阿里自研的代码管理平台Codeup，通过“大数据+智能化”的手段为开发者给出我们的解法。
深睿医疗联合创始人兼首席科学家俞益洲：解决医学影像辅助诊断需要有创新路径，落地 AI 模型 = 创新AI 技术 + 领域知识和诊断流程，真正具有实用价值的AI模型必须与医疗先验知识和流程紧密结合。 云知声医疗产品总监孙熙：AI与医疗的属性天然契合，就领域现状及未来而言，AI之于医疗，之于医生将经历helper，colleague，mentor三个阶段，任重而道远。 望石智慧创始人、CEO周杰龙：在科技高速发展的当下，AI技术正逐渐成为一种新的解决方法，尝试改进医药研发面临的困境。 晶泰科技联合创始人、AI研发负责人赖力鹏：AI+新药研发是我们利用人工智能和自身进行的一场对话。
AI芯片论坛
地平线机器人BPU算法负责人罗恒：评估AI芯片真实效能，既要看多快又要看多准。
AIoT论坛
涂鸦智能 AI 算法研究中心负责人俞伟平：仅仅只是把设备连接对消费者所产生的价值是远远不够的，互联互通才是真正的价值所在。
AI与企业战略论坛
小米集团副总裁、集团技术委员会主席崔宝秋：AI、IoT和5G三个时代的交汇，让我们处在了一个智能新时代。AI技术的快速发展给我们提供了一个巨大的风口，也让大家站在了同一起跑线上。如何围绕企业的核心业务，打造核心的AI技术，将决定一个企业在这个智能新时代的成败。AI的时代，仍然是拥抱开源的时代；AI的竞争，最终将是开放生态的竞争。 微众银行人工智能部副总经理陈天健：数字化银行并非要把银行做得更数字化，而是银行通过将合作伙伴数字化，形成更紧密的业务合作纽带，以不断降低金融服务的成本，提高金融服务的可得性。 OPEN AI LAB（开放智能）联合创始人 & CTO黄明飞：近年来AI爆发基于三个元素：算法，算力和数据，而推动AI应用落地和发展的第四元素：软件平台，也越来越受重视。嵌入式深度学习框架作为AI软件平台的核心部件，是推动AIoT发展的原动力之一。 英国AI&I人工智能咨询公司CEO李玉磊：我们要做“医院”，不做“药厂”。“医院”是根据“病人”的问题“对症下药”，而“药厂”以为自己的“药”可以治疗百病。并不是所有企业都需要“人工智能”这剂“药”，乱吃药是会吃“死”人的。 NETSTARS首席技术官陈斌：技术水平决定不了企业人工智能创新的成败，只有正确地掌握企业AI战略的方法论，才能保证企业在人工智能方面的理解、行动和表现达到竞争对手所无法企及的水平，从而使企业在新一轮的人工智能竞争中取胜。
AI教育与人才培养论坛
腾讯智能教育高级研究员刘萌：基于课程知识图谱，建立学生和班级用户画像，根据知识点掌握情况推荐个性化学习内容，践行“因材施教”，可以有效提高学习效率。
好未来 AI 解决方案负责人刘子韬：随着线上教育的普及，教育领域的数据越来越多。然而这些数据的形态却多种多样，包括图片、视频、文本等。如何适应多种数据形态，成为了AIED（AI in Education）的关键，多模态机器学习技术可以解决复杂的AIED问题，包括答案自动评分、学生评分、班级质量保证、知识追踪等。
清华大学继续教育学院院长 刘震：在 AI 人才培养方面，需要政府加强人才标准的制定、引导和规划，同时避免因为 AI 很火大家都「一拥而上」的现象，从人才的标准以及相关的宏观规划上引导人才培养，同时要进一步发挥市场的作用，特别是在产业，从产业发展角度来说需要大量 AI 产业人才的支撑。这个时候我更倾向于存量人员的继续教育，使得他们在一定的培训之后就能转向 AI 产业。
AI开源与生态建设
Zilliz 合伙人、技术布道师顾钧：人工智能为生产效率带来了巨大的提升。首先吸收、采用人工智能技术的企业和组织，将会率先享受到技术变革带来的好处。而开源 AI 项目，正是加速企业吸收与采用 AI 技术的关键。 前 Uber AI 资深研究科学家、Ludwig 创始人兼主要维护者 Piero Molino：Ludwig是一款基于 Google TensorFlow 框架的开源工具箱，用户无需编写任何代码即可进行深度学习的开发。从底层上来说，Ludwig实现简单易用的关键在于数据类型抽象、模型定义清晰和可灵活调参。输入和输出类型均有多种类型的编解码可选择，如文本输入特征编码支持Stacked CNN、Parallel CNN、RNN、Transformer / BERT等，图像特征编码支持Stacked CNN、ResNet等。 旷视研究院天元MegEngine异构计算组组长曾平：作为机器学习领域的一个热门分支，深度学习神经网络已经在计算机视觉、智能搜索、无人驾驶、模式识别等领域取得了令人瞩目的成就。天元MegEngine是旷视完全自主研发的⼯业级深度学习框架，目前框架在公司内部已经全员使用，今年3月份正式向业界开源。 中兴通讯AI平台高级工程师刘涛：AI模型产生商业价值，离不开模型的优化、编译、推理引擎等多种技术来提升推理效率，并可以在各类环境，各类异构硬件下进行服务部署。这些技术的推广离不开开源组织的贡献，希望开源社区能在技术方向，架构设计上更好的引领产业发展。 百度深度学习平台部主任架构师、飞桨产品负责人毕然：基于实践的AI培训课程，才能真正让开发者掌握AI。 华为计算开源生态部副总监黄之鹏：开源社区不需要大神，每个开发者都是第一公民。
机器学习技术与工程实践论坛
一流科技有限公司CEO袁进辉：开源社区是一种去中心化机制，开发者用脚投票，抹平了草根和巨头之间的营销力量的差距，非常公正，项目成功的根源在于自身的竞争力。 蚂蚁金服集团共享智能部总经理周俊：共享智能-隐私保护AI体系，通过多方安全计算、可信执行环境等技术，在保障安全同时连通大数据孤岛，确保多方数据拿不走、看不见、用得好。 Hulu首席研究主管谢晓辉：近十年来人工智能相关技术领域突飞猛进，涌现出无数的AI落地应用场景。AI从业者尚需贴近并深入了解业务，方能体会AI落地带来的成就感。 平安科技副总工程师王健宗：联邦学习在行业落地实践中，逐渐形成了以联邦学习为龙头、为核心，依托联邦数据部落，实现具备隐私保护的联邦推理，以联邦激励机制为纽带所形成的 AI 新生态，也就是联邦智能。
知识图谱与认知智能论坛
精彩观点
哈尔滨工业大学助理研究员/硕士生导师丁效：事件是人类社会的核心概念之一，人们的社会活动往往是事件驱动的。事件之间在时间、空间上相继发生的演化规律和模式是一种十分有价值的知识。 一览群智基础研发部技术副总裁刘占亮：人工智能以人为本，做人类的智能助手；从人工智能到智能增强，知识图谱在金融领域的落地实践；打通了人机协作智能决策的应用闭环，助力行业AI实践落地，让AI成为真正的生产力。
推荐系统技术实践与应用论坛
华为诺亚方舟实验室技术专家董振华：“The universe is made of stories, not of atoms”，我对这句诗的理解是可观察的世界太小、太局限，我们需要用反事实学习、推理技术对未知世界建模，突破当前统计机器学习只对关联关系建模的局限，让机器像人类那样具有想象力、因果推理以及举一反三的能力，它是通往强人工智能的关键路径。
智能驾驶论坛
轻舟智航联合创始人、CEO于骞：自动驾驶技术存在突出的长尾效应，技术上已经解决了90%的问题，但剩下的10%却可能要花费同样多甚至更多的精力，这10%包括很多边界化难题。边界化难题的发现和解决除了需要收集大量的数据，更重要的是建立自动化生产的工厂，将源源不断收集来的有效数据，通过自动化的工具，加工成可用的模型。以更快的速度、更高效的方式应对边界化难题。 青岛慧拓智能机器有限公司联合创始人、工程研究院院长艾云峰：自动驾驶遇见矿山是天作之合，我们致力于在矿区实现无人运输，用最先进的技术改变最传统的行业。 上海蔚来汽车有限公司自动驾驶部门高级总监章健勇：自动辅助驾驶系统需要传感器、数据、算法和算力的支撑，系统功能随着FOTA的软件更新不断进化。大量的数据用于开发和验证，数据和场景的随着里程的增加不断增加，基于数据模型的策略和基于规则约束的策略组合，可以不断地提升用户体验。 图森未来合伙人、首席科学家王乃岩：图森未来基于深度学习感知算法的自动驾驶系统，融合摄像头、激光雷达和毫米波雷达多种传感器，完整感知车辆周围环境和状态，并准确感知车辆相对于重要道路基准（例如车道线）的姿态和位置，且已通过多个模块叠加，打破了任何单一模块在物理原理上的不可靠性，最远可感知1000m路况，并在大部分时间内实现车辆厘米级高精度定位。系统在融合感知和定位结果后，自行做出下一步行驶决策，并规划出一条车辆可执行的最优轨迹。